«Программный комплекс для прогнозирования количественных свойств на основе обобщенного дерева»

Программа реализует методы регрессионного анализа, предназначенные для прогнозирования количественных свойств объектов в различных областях знания, как то медицина, химия, экономика, на основе машинного обучения. Реализованные методы: TreeRegressor – обобщенное регрессионное дерево, оптимизирующее в процессе обучения функционал \sum_i C_i*\sum_j(G_{ij}-e_j)^2, где i – номер целевого вектора G_i, и соответствующего коэффициента C_i, j – номер объекта, e_j – величина прогноза. Например, при C_1=1 и C_2=-µ, G_1=y и G_2=\sum_k A_k(X)/K, где X, y – обучающая выборка, A_k – элементы произвольного ансамбля из K алгоритмов, µ - положительный коэффициент, метод строит дерево, аппроксимирующее целевую переменную, при этом отстоящее от элементов ансамбля. RandomForestMSE – решает задачу регрессии за счет построения разреженного ансамбля деревьев. Реализация базового метода TreeRegressor на C++ обеспечивает ускорение по сравнению с программой (Сенько, Докукин, № 2022668102) в 50–100 раз. GradientBoostingMSE – решает задачу регрессии методом градиентного бустинга с адаптивным шагом оптимизации.